Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Accesso alle immagini Docker per Scikit-learn e Spark ML
<a name="pre-built-docker-containers-scikit-learn-spark"></a>

SageMaker L'intelligenza artificiale fornisce immagini Docker predefinite che installano le librerie scikit-learn e Spark ML. Queste librerie includono anche le dipendenze necessarie per creare immagini Docker compatibili con l'IA utilizzando l'SDK Amazon Python. SageMaker [ SageMaker ](https://sagemaker.readthedocs.io/en/stable) L’SDK consente di utilizzare scikit-learn per le attività di machine learning e Spark ML per creare e ottimizzare le pipeline di machine learning. Per istruzioni sull'installazione e l'utilizzo dell'SDK, consulta [SageMaker Python SDK](https://github.com/aws/sagemaker-python-sdk#installing-the-sagemaker-python-sdk). 

Puoi anche accedere alle immagini da un repository Amazon ECR nel tuo ambiente.

Utilizza i seguenti comandi per scoprire quali versioni delle immagini sono disponibili. Ad esempio, utilizza quanto segue per trovare l'immagine `sagemaker-sparkml-serving` disponibile nella Regione `ca-central-1`:

```
aws \
    ecr describe-images \
    --region ca-central-1 \
    --registry-id 341280168497 \
    --repository-name sagemaker-sparkml-serving
```

## Accesso a un'immagine dall'SDK AI Python SageMaker
<a name="pre-built-docker-containers-scikit-learn-spark-sdk"></a>

La tabella seguente contiene i collegamenti ai GitHub repository con il codice sorgente per i contenitori scikit-learn e Spark ML. La tabella contiene anche collegamenti alle istruzioni che mostrano come utilizzare questi contenitori con Python SDK ModelTrainers per eseguire i propri algoritmi di training e ospitare i propri modelli. 


| Libreria | Codice sorgente dell'immagine Docker predefinita | Istruzioni | 
| --- | --- | --- | 
| scikit-learn | [SageMaker Contenitori AI Scikit-learn ](https://github.com/aws/sagemaker-scikit-learn-container) | [Utilizzo Scikit-learn con l'SDK Amazon SageMaker Python ](https://sagemaker.readthedocs.io/en/stable/api/sagemaker_train.html) | 
| Spark ML | [SageMaker Contenitori di servizio AI Spark ML ](https://github.com/aws/sagemaker-sparkml-serving-container) | [Documentazione di SparkML Python SDK](https://sagemaker.readthedocs.io/en/stable/api/sagemaker_core.html) | 

Per ulteriori informazioni e link ai repository github, consulta [Risorse per l'utilizzo Scikit-learn con Amazon SageMaker AI](sklearn.md) e [Risorse per l'utilizzo di SparkML Serving con Amazon AI SageMaker](sparkml-serving.md).

## Specificazione manuale delle immagini predefinite
<a name="pre-built-containers-scikit-learn-manual"></a>

Se non stai utilizzando l'SDK SageMaker Python e uno dei suoi ModelTrainers per gestire il contenitore, devi recuperare manualmente il contenitore precompilato pertinente. Le immagini Docker predefinite con SageMaker intelligenza artificiale sono archiviate in Amazon Elastic Container Registry (Amazon ECR). Puoi inviarli o estrarli utilizzando i loro indirizzi di registro completi. SageMaker AI utilizza i seguenti pattern URL di Docker Image per scikit-learn e Spark ML:
+ `{{<ACCOUNT_ID>}}.dkr.ecr.{{<REGION_NAME>}}.amazonaws.com/sagemaker-scikit-learn:{{<SCIKIT-LEARN_VERSION>}}-cpu-py{{<PYTHON_VERSION>}}`

  Ad esempio, `{{746614075791}}.dkr.ecr.{{us-west-1}}.amazonaws.com/{{sagemaker-scikit-learn:1.2-1-cpu-py3}}`
+ `{{<ACCOUNT_ID>}}.dkr.ecr.{{<REGION_NAME>}}.amazonaws.com/sagemaker-sparkml-serving:{{<SPARK-ML_VERSION>}}`

  Ad esempio, `{{341280168497}}.dkr.ecr.{{ca-central-1}}.amazonaws.com/{{sagemaker-sparkml-serving:2.4}}`

Per gli ID degli account e i nomi delle AWS regioni, vedi [ Docker Registry Paths and Example Code. ](https://docs.aws.amazon.com/sagemaker/latest/dg-ecr-paths/sagemaker-algo-docker-registry-paths)